ＤＯＩ：１０．１３８７８／ｊ．ｃｎｋｉ．ｊｎｕｉｓｔ．２０２１．０２．０１４
陈翔翔１㊀郭达烽
摘要
为提高数值预报降水预报的准确
率，本文利用欧洲中期天气预报中心的
高分辨率数值预报（ＥＣＭＷＦ）降水预报
资料和江西省国家级气象观测站实况降
水资料进行概率匹配，选取Ｇａｍｍａ累积
概率分布函数用于拟合预报与观测的降
水累积概率，通过在２０１７年江西省一次
降水集中期的应用试验，得到以下结论：
基于ＥＣＭＷＦ的降水预报⁃观测概率匹配
动态订正法由于把最新的预报与实况结
果带入概率匹配中，并根据近期模式预
报调整及误差不断自动更新各量级降水
修正值，可实时动态订正模式降水预报；
检验发现ＥＣＭＷＦ模式降水产品对于２４ｈ内１２ｈ间隔的１０ｍｍ及以下量级的预报普遍偏大，２５ｍｍ及以上量级的预报
普遍偏小，在江西区域九江沿江地区和
景德镇的各量级降水预报较为接近实
况㊁预报效果较好．本降水预报订正法能
提高小雨和暴雨的ＴＳ评分㊁降低暴雨的
漏报率且提升其命中率，但对大雨及部
分中雨的订正效果不佳，在实践中应权
衡利弊使用．
关键词
降水预报；概率匹配；动态订正
中图分类号Ｐ５４７ ６
文献标志码Ａ
收稿日期２０１８⁃１１⁃２０
资助项目２０１７年度江西省气象局面上项目作者简介
陈翔翔，女，硕士，高级工程师，从事中短期天气预报研究．ｃｈｅｎｘｉａｎｇｘｉａｎｇ６６６＠１６３．ｃｏｍ郭达烽（通信作者），男，正高级工程师，主要从事天气预报研究．３８０４２４０４５＠ｑｑ．ｃｏｍ１江西省气象台，南昌，３３０００００㊀引言
㊀㊀江西地处我国长江流域，属亚热带季风气候区，每年汛期（３ ７月）是江西暴雨㊁强对流天气多发期，尤其是连续多日的暴雨形成的降水集中期，能引发洪涝和泥石流等自然灾害，严重威胁着人民的生
命和财产安全．为此，提高降水预报水平是气象预报任务中的重中之重．数值预报技术的快速发展为降水的精细化预报提供了良好的基础，目前天气预报员常用的提高预报准确率的途径，是不断对数值预报产品进行效果检验评估，从多种模式的降水产品中选择性能最稳定的，并在检验的基础上运用多种方法开展解释应用［１⁃６］．李勇［７］㊁张宏芳等［８］通过预报能力的对比分析得出欧洲中期天气预报中心（Ｅｕ⁃ｒｏｐｅａｎＣｅｎｔｒｅｆｏｒＭｅｄｉｕｍ⁃ＲａｎｇｅＷｅａｔｈｅｒＦｏｒｅｃａｓｔｓ，ＥＣＭＷＦ）高分辨率数值预报总体较优．陆如华等［９］㊁赵声蓉等［１０］和刘还珠等［１１］分别采用卡尔曼滤波法㊁神经元网络等统计方法对数值预报产品进行解释应用研究；刘琳等［１２］通过集合预报降水资料的累积概率分布，建立了极端强降水天气的预报指数；吴木贵等［１３］利用交叉熵神经网络方法建立了闽北大雨以上降水预报系统，并指出这是一种适合小概率事件预报的方法．这些技术方法在一定程度上提高了模式降水产品质量，但这些释用技术仍存在许多不足．周迪等［１４］㊁李俊等［１５］通过 概率匹配 （或 频率匹配 ）降水预报订正法对降水过程取得了较好订正效果．鉴于 概率匹配 法能较好地利用观测资料对模式产品进行订正，因而受到预报业务单位的重视和应用．
但是，李俊等［１５］使用的 概率匹配 降水订正法是把指定区域内所有格（站）点作为同一资料序列进行统计分析，由于区域内地理位置和地形的差异可导致气候背景不同，如果区域内所有格（站）点降水预报订正模型采用相同的值，会导致订正结果不够精细．为探索和建立更为精细的不同站点㊁不同降
水等级的 预报⁃观测概率匹配 订正方法，本研究结合智能网格预报业务应用，在充分考虑不同站点气候特征差异，开展产品检验效果分析的基础上，对相对稳定且效果较优的ＥＣＭＷＦ高分辨降水模式产品和历史观测资料，引入累积概率分布函数，针对不同等级降水预报，逐站建立订正模型，尤其对是否发生暴雨及其以上降水进行重点分析，并根据数值预报的调整不断更
㊀㊀㊀㊀
新订正模型，在此基础上开展订正预报试验和效果检验评估，以期通过该动态订正法实现对ＥＣＭＷＦ模式降水产品的解释应用，有效提高降水分级预报，尤其是暴雨预报质量，为汛期防灾减灾提供更好的保障服务．
１㊀资料与方法
１ １㊀资料的选取
降水观测资料采用江西省气象信息中心提供的包含江西省９１个地面气象观测站（站点分布见图１）８ ２０时和２０时 次日８时的１２ｈ间隔降水资料，模式预报降水产品选取ＥＣＭＷＦ高分辨率数值预报降水预报产品（空间分辨率为０ １２５ʎˑ０ １２５ʎ），选取２０１７年６月１９ ２７日每日２次的１２ｈ间隔降水格点预报资料，检验的预报时效为０ ７２ｈ，选取离观测点最近的格点值与观测点实况进行对比并评分．
１ ２㊀方法简介
预报⁃观测概率匹配订正法 是近年来逐渐流行的一种模式释用订正方法，多用于模式降水产品的预报订正，其原理如图２［１４，１６］所示．不同量级的降水均能在实况观测的降水累积概率分布曲线（实线）上到对应的累积概率值，这个值在０ １范围内．将已到的实况对应的累积概率值反射到模式预报的降水累积概率分布曲线（点虚线）上，亦可在横轴中到对应的降水量值，即不同量级降水的模式预报修正值［１４，１６］．这种降水累积概率分布是非正态的，赵琳娜等［１７］㊁梁莉等［１８］以及国内外较多研究［１９⁃２３］发现，使用Ｇａｍｍａ拟合观测与预报的降水累积概率分布可取得良好效果，因此，选取Ｇａｍｍａ累积概率分布函数用于拟合预报与实况观测的降水累积概率．
目前，我国各级气象台的定量降水预报，一般为０８：００㊁２０：００（北京时，下同）起报的１２ｈ间隔降水预报（８ ２０时和２０时 次日８时），并且以１２ｈ间隔进行预报检验评分．预报检验评分时，以０ ０㊁１０ ０㊁２５ ０和５０ ０ｍｍ等将１２ｈ降水量划分为多种等级．为了更好地分析订正效果，本文也按照１２ｈ间隔对ＥＣＭＷＦ模式的降水预报进行订正与检验，并以１２ｈ降水量１ ０㊁１０ ０㊁２５ ０和５０ ０ｍｍ的降水量级划分各等级．
基于ＥＣＭＷＦ的降水预报⁃观测概率匹配动态订正法是基于 预报⁃观测概率匹配订正法 的一种动态实践，这里把最新㊁实时的预报与实况结果带入概率匹配中，本文用预报时前１００ｄ共２００个起报时
间的ＥＣＭＷＦ１２ｈ间隔降水预报资料与实况观测资料进行概率匹配，并在业务中不断更新各量级降水修正值，这可以一定程度订正近期模式预报误差，实时调节降水订正效果．
目前预报业务中常用的预报效果检验指标有风险评分（ＴｈｒｅａｔＳｃｏｒｅ，ＴＳ，其量值记为ＳＴ）㊁命中率（ＰｅｒｃｅｎｔｏｆＤｏｏｍ，ＰｏＤ，其量值记为ＰｏＤ）㊁空报率
（ＦａｌｓｅＡｌａｒｍＲａｔｅ，ＦＡＲ，其量值记为ＲＦＡ）和漏报率（ＰｅｒｃｅｎｔｏｆＯｍｉｓｓｉｏｎ，ＰＯ，其量值记为ＰＯ）等．设定ＮＡ为预报正确站数，ＮＢ为预报错误站数，ＮＣ为漏报站数，各指标计算公式如下：
ＳＴ＝
ＮＡ
ＮＡ＋ＮＢ＋ＮＣ
ˑ１００％，（１）ＰｏＤ＝
ＮＡ
ＮＡ＋ＮＣ
ˑ１００％，（２）ＲＦＡ＝
ＮＢ
ＮＡ＋ＮＢ
ˑ１００％，（３）ＰＯ＝
ＮＣ
Ｎ
＋Ｎˑ１００％．（４）
图１㊀江西省国家地面气象观测站分布
Ｆｉｇ １㊀Ｄｉｓｔｒｉｂｕｔｉｏｎｍａｐｏｆｎａｔｉｏｎａｌｓｕｒｆａｃｅｍｅｔｅｏｒｏｌｏｇｉｃａｌ
ｏｂｓｅｒｖａｔｏｒｙｉｎＪｉａｎｇｘｉｐｒｏｖｉｎｃｅ
２㊀概率匹配动态订正法在江西省汛期降水集中期的应用分析
２ １㊀２０１７年６月下旬江西降水集中期概况受高空低槽㊁中低层切变线和西南急流的共同
４３２陈翔翔，等．降水预报⁃观测概率匹配动态订正法在江西降水集中期的应用与检验．㊀ＣＨＥＮＸｉａｎｇｘｉａｎｇ，ｅｔａｌ．Ａｐｐｌｉｃａｔｉｏｎａｎｄａｎａｌｙｓｉｓｏｆｆｏｒｅｃａｓｔ⁃ｏｂｓｅｒｖｅｄｐｒｉｃｉｐｉｔａｔｉｏｎｐｒｏｂａｂｉｌｉｔｙｍａｔｃｈｉｎｇｄｙｎａｍｉｃｃｏｒｒｅｒｃｔｉｏｎｍｅｔｈｏｄｉｎｐｒｅｃｉｐｉｔａｔｉｏｎｃｏｎｃｅｎｔｒａｔｉｏｎｐｅｒｉｏｄｏｆＪｉａｎｇｘｉｐｒｏｖｉｎｃｅ．
图２㊀各等级降水的预报⁃观测概率匹配订正法示意图［１４，１６］Ｆｉｇ ２㊀Ｓｃｈｅｍａｔｉｃｄｉａｇｒａｍｏｆｅｎｓｅｍｂｌｅｆｏｒｅｃａｓｔ⁃ｏｂｓｅｒｖｅｄ
ｐｒｅｃｉｐｉｔａｔｉｏｎｐｒｏｂａｂｉｌｉｔｙｍａｔｃｈｉｎｇｍｅｔｈｏｄ［１４，１６］
影响，２０１７年６月２０日 ７月２日江西省出现了一次降水集中期，期间省内暴雨频繁发生．江西省９１个国家基本观测站中出现１０站及以上日雨量超５０ｍｍ的过程称为一次区域性暴雨过程，将江西省持续出现３ｄ及以上的区域性暴雨过程定义为持续性区域暴雨过程．在此次降水集中期内，就出现了一次持续性区域暴雨过程，２０１７年６月２１ ２６日江西省出现了长达５ｄ的持续性区域暴雨过程（表１），主要发生区域为赣北地区，其中，６月２５日有１９个暴雨㊁１３个大暴雨和１个特大暴雨
站，持续的暴雨过程为江西省尤其是赣北人民的生产生活带来了严重的威胁．在降水集中期后半段，雨带先南移，后北抬，新的降水落区订正方法的应用与检验迫在眉睫．
表１㊀２０１７年６月２１ ２５日江西省每日暴雨
站数及位置（２０ ２０时）
Ｔａｂｌｅ１㊀ＮｕｍｂｅｒａｎｄｌｏｃａｔｉｏｎｏｆｄａｉｌｙｒａｉｎｓｔｏｒｍｓｔａｔｉｏｎｓｉｎＪｉａｎｇｘｉｐｒｏｖｉｎｃｅｆｒｏｍ２１ｔｏ２５Ｊｕｎｅ，２０１７（２０：００－２０：００）２１日２２日２３日２４日２５日站数１４１１１３１６３３
落区赣北㊁赣中赣东北赣北赣北赣北２ ２㊀江西省各站点降水等级预报订正值分布特征６月２５日江西暴雨站数最多，现选取前一日即６月２４日（试验第６天）为代表，分析江西省所有站的各降水量级修正值．图３㊁图４分别是２０１７年６月２４日０ １２ｈ预报时效和１２ ２４ｈ预报时效的各量级降水的降水订正值，可发现：对于１２ｈ间隔的小雨量级降水（１ ０ｍｍ），ＥＣＭＷＦ０ １２ｈ和１２ ２４ｈ预报时效的降水预报得普遍偏大（图３ａ，图４ａ），应往小修正．尤其是赣北南部及以南地区，ＥＣＭＷＦ预报２ ３ｍｍ时往往可以修正为１ｍｍ，而九江市的１
ｍｍ小雨预报得较为接近实况．对于１２ｈ间隔的中雨量级降水（１０ｍｍ），除九江市西南部㊁宜春
市局部预报偏小外，全省大部分地区预报偏大，尤其是南昌㊁鹰潭㊁抚州三市和吉安㊁赣州两市部分地区，并且１２ ２４ｈ预报时效的中雨比０ １２ｈ预报时效预报得更偏大，应往小修正（图３ｂ㊁图４ｂ）．而对于大量级降水，ＥＣＭＷＦ预报偏小的区域逐渐增多：０ １２ｈ和１２ ２４ｈ预报时效的１２ｈ２５ｍｍ降水预报分别有７０ ３％和５７ １％的站数预报偏小（图３ｃ，图４ｃ），需要往大修正；０ １２ｈ和１２ ２４ｈ预报时效的１２ｈ间隔的５０ｍｍ的暴雨量级降水预报分别有９３ ４％和７８％的站数预报偏小（图３ｄ，图４ｄ），其中，萍乡㊁宜春两市市区站点和赣州市西部０ １２ｈ和１２ ２４ｈ预报时效暴雨修正值均不足４０ｍｍ．
综上，总体来看，江西省２０１７年６月降水集中期ＥＣＭＷＦ的２４ｈ内１２ｈ间隔的１０ｍｍ及以下量级的降水预报普遍偏大，２５ｍｍ及以上量级的降水预报普遍偏小．但是，九江市沿江地区和景德镇的各量级降水预报较为接近实况，预报效果较好．
２ ３㊀修正前后各检验指标的变化
２ ３ １㊀６个预报时次各指标平均值在试验期间（２０１７年６月１９—２７日）的日变化
㊀㊀气象部门对降水预报效果的评判一般用ＴＳ评分㊁命中率（ＰｏＤ）㊁空报率（ＦＡＲ）和漏报率（ＰＯ）等指标．下面对ＥＣＭＷＦ的各量级降水预报进行动态修正后的各指标日变化进行对比，为了更好地展示总体预报效果，用的是全省９１站的平均值（图５ ８）．分析发现，在试验期间（２０１７
年６月１９ ２７日），对于１２ｈ１ｍｍ和５０ｍｍ的降水等级，ＥＣＭＷＦ７２ｈ内的６个预报时效平均ＴＳ在修正后均有不同程度的提升（图５）．其中，在试验第７天（２０１７年７月２５日），１２ｈ１ｍｍ和５０ｍｍ等级的降水ＴＳ分别提升了０ ０２２和０ ０１５，而１０ｍｍ降水的ＴＳ提升不明显，对２５ｍｍ的降水更出现了修正后不如修正前的结果，可见，基于ＥＣＭＷＦ的降水预报⁃观测概率匹配动态订正法在实践中应权衡利弊使用，弱降水（１ｍｍ）和暴雨量级降水（５０ｍｍ）可多参考本降水预报订正法，有助于提升晴雨预报和灾害性降水的预报服务质量．
预报业务中对于命中率㊁空报率和漏报率也能
５３２
学报（自然科学版），２０２１，１３（２）：２３３⁃２４１
ＪｏｕｒｎａｌｏｆＮａｎｊｉｎｇＵｎｉｖｅｒｓｉｔｙｏｆＩｎｆｏｒｍａｔｉｏｎＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ（ＮａｔｕｒａｌＳｃｉｅｎｃｅＥｄｉｔｉｏｎ），２０２１，１３（２）：２３３⁃２４１
图３㊀２０１７年６月２４日（试验第６天）０ １２ｈ预报时效各量级降水的降水订正值（ｍｍ）
Ｆｉｇ ３㊀Ｔｈｅｃｏｒｒｅｃｔｅｄｒａｉｎｆａｌｌｖａｌｕｅ（ｕｎｉｔ：ｍｍ）ｏｆｄｉｆｆｅｒｅｎｔｐｒｅｃｉｐｉｔａｔｉｏｎｌｅｖｅｌｓｉｎｔｈｅ０－１２ｈｆｏｒｅｃａｓｔｔｉｍｅｏｎＪｕｎｅ２４，２０１７
（ｔｈｅｓｉｘｔｈｄａｙｏｆｔｈｅｅｘｐｅｒｉｍｅｎｔ）
一定程度反映预报水平．大雨㊁暴雨量级降水的命中率在修正后有所提升（图６），可见本订正法可以根据近期预报与实况较好地调整降水中心强度；而小雨㊁中雨量级的降水的空报率在修正后有明显降低
（图７）．这也是由于小雨和中雨的修正值比原值大，ＥＣＭＷＦ模式空报了部分小量级降水；大雨和暴雨的修正值比原值小，大雨㊁暴雨量级的降水的漏报率在修正后有明显提升（图８），说明ＥＣＭＷＦ模式对暴雨中心和量级的预报能力有待提升．
对于防灾减灾而言，大量级降水的漏报能直接影响众生命财产安全，降低大量级降水的漏报率并且提升其命中率十分重要．基于ＥＣＭＷＦ的降水预报⁃观测概率匹配动态订正法在本次试验中明显降低了大雨和暴雨的漏报率且提升了命中率，应用效果较好．
２ ３ ２㊀试验期间不同预报时效修正后平均ＴＳ增幅一般而言，预报时效越短，预报效果越好：０ １
２ｈ降水预报时效的预报效果比１２ ２４ｈ降水预报的预报效果更好，ＴＳ评分等检验评分越高，以此类推．因此，有必要从不同的预报时效着手，查看修正前后检验指标的变化．
图９为不同预报时效在试验期间（共９ｄ）修正后平均ＴＳ增幅，可见，对于２４ｈ以内的降水预报，除了２５ｍｍ量级的降水预报ＴＳ评分修正后为负技巧（即修正后ＴＳ增幅＜０）外，其他量级的降水均为正技巧，其中，０ １２ｈ订正效果最好的为１ｍｍ的降水量级，增幅为０ ０２８，其次为１０ｍｍ的降水量级和５０ｍｍ的降水量级，ＴＳ平均增幅分别为０ ００６和
６３２陈翔翔，等．降水预报⁃观测概率匹配动态订正法在江西降水集中期的应用与检验．㊀ＣＨＥＮＸｉａｎｇｘｉａｎｇ，ｅｔａｌ．Ａｐｐｌｉｃａｔｉｏｎａｎｄａｎａｌｙｓｉｓｏｆｆｏｒｅｃａｓｔ⁃ｏｂｓｅｒｖｅｄｐｒｉｃｉｐｉｔａｔｉｏｎｐｒｏｂａｂｉｌｉｔｙｍａｔｃｈｉｎｇｄｙｎａｍｉｃｃｏｒｒｅｒｃｔｉｏｎｍｅｔｈｏｄｉｎｐｒｅｃｉｐｉｔａｔｉｏｎｃｏｎｃｅｎｔｒａｔｉｏｎｐｅｒｉｏｄｏｆＪｉａｎｇｘｉｐｒｏｖｉｎｃｅ．
图４㊀２０１７年６月２４日（试验第６天）１２ ２４ｈ预报时效各量级降水的降水订正值（ｍｍ）Ｆｉｇ．４Ｔｈｅｃｏｒｒｅｃｔｅｄｒａｉｎｆａｌｌｖａｌｕｅ（ｕｎｉｔ：ｍｍ）ｏｆｄｉｆｆｅｒｅｎｔｐｒｅｃｉｐｉｔａｔｉｏｎｌｅｖｅｌｓｉｎｔｈｅ１２－２４ｈｆｏｒｅｃａｓｔｔｉｍｅｏｎ
江西教育考试院Ｊｕｎｅ２４，２０１７（ｔｈｅｓｉｘｔｈｄａｙ
图５㊀江西省所有站点平均ＴＳ修正前后变化情况（７２ｈ内所有预报时效平均）
（ｄ１ ｄ９分别代表试验第１天即２０１７年６月１９日至试验第９天即２０１７年６月２７日）
Ｆｉｇ ５㊀ＴｈｅｃｈａｎｇｅｓｏｆａｖｅｒａｇｅＴＳｏｆａｌｌｓｔａｔｉｏｎｓｉｎＪｉａｎｇｘｉｐｒｏｖｉｎｃｅｂｅｆｏｒｅａｎｄａｆｔｅｒｃｏｒｒｅｃｔｉｏｎｆｒｏｍ１９ｔｏ２７Ｊｕｎｅ，２０１７
（ａｖｅｒａｇｅＴＳｏｆａｌｌｐｒｅｄｉｃｔｉｏｎｓｗｉｔｈｉｎ７２ｈｏｕｒｓ）７３２
学报（自然科学版），２０２１，１３（２）：２３３⁃２４１
ＪｏｕｒｎａｌｏｆＮａｎｊｉｎｇＵｎｉｖｅｒｓｉｔｙｏｆＩｎｆｏｒｍａｔｉｏｎＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ（ＮａｔｕｒａｌＳｃｉｅｎｃｅＥｄｉｔｉｏｎ），２０２１，１３（２）：２３３⁃２４１
发布评论